«OpenAI حتماً سقوط خواهد کرد، بازارهای جهانی ممکن است دچار تصفیه شوند» مقاله ۱۵۰۰۰ کلمه‌ای بزرگ‌ترین فروشنده باعث بحث و جدل شد

با نزدیک شدن OpenAI به IPO، یک مقاله وبلاگی به طول حدود ۱۵۰۰۰ کلمه دوباره بحث و جدل در مورد حباب AI را به اوج خود رساند.

نویسنده: لی دان، وال استریت ژورنال

با نزدیک شدن OpenAI به IPO، یک مقاله وبلاگی به طول حدود ۱۵۰۰۰ کلمه دوباره بحث و جدل در مورد حباب AI را به اوج خود رساند.

Ed Zitron، تحلیل‌گری که به طور مداوم نسبت به AI بدبین بوده و دارای خوانندگان زیادی در صنعت فناوری است، در مقاله‌ای که به تازگی منتشر کرده، قضاوتی بسیار تند و تیز را مطرح کرده است: حباب واقعی AI در واقع «حباب OpenAI» است؛ اگر OpenAI در نهایت شکست بخورد، این شرکت به «لیمن برادرز» عصر AI تبدیل خواهد شد و نه تنها منطق سرمایه‌گذاری در AI را زیر سوال خواهد برد، بلکه ممکن است منجر به بازنگری گسترده در مراکز داده، زیرساخت‌های AI و حتی سهام فناوری جهانی شود.

نظرات او به سرعت توجه رسانه‌های مالی را جلب کرد. به نظر رسانه‌ها، نکته اصلی Zitron این نیست که آیا AI ارزشی دارد یا نه، بلکه این است که آیا OpenAI مدل تجاری کافی برای حمایت از کل چرخه سرمایه‌گذاری AI را دارد یا خیر. اگر پاسخ منفی باشد، آنگاه سیستم تأمین مالی، سرمایه‌گذاری در قدرت محاسباتی و هزینه‌های سرمایه‌ای که حول OpenAI ایجاد شده‌اند، ممکن است با واکنش زنجیره‌ای مواجه شوند.

البته، این نظر اجماعی در بازار نیست. سرمایه‌گذاران از جمله هوارد مارکس، یکی از بنیان‌گذاران Oak Tree Capital، اخیراً اظهار کرده‌اند که نسبت به گذشته که فکر می‌کردند AI ممکن است تنها یک حباب باشد، اکنون بیشتر به ارزش بلندمدت AI به عنوان یک پلتفرم فناوری عمومی (General Purpose Technology) اعتقاد دارند و بر این باورند که صنعت در حال حاضر در مرحله ابتدایی تجاری‌سازی قرار دارد.

آیا حباب AI وجود دارد یا حباب OpenAI؟

برخلاف اکثر نظریه‌های «حباب AI»، Zitron قضاوتی تأثیرگذارتر را مطرح کرده است:

چیزی که واقعاً نگران‌کننده است، کل صنعت AI نیست، بلکه یک شرکت است.

به نظر او، از زمان ظهور ChatGPT در اواخر سال ۲۰۲۲، OpenAI در واقع به «لنگر اعتباری» عصر AI تبدیل شده است.

سرمایه‌گذاران مایلند باور کنند: AI جهان را تغییر خواهد داد؛ مراکز داده بزرگ ارزش ساخت دارند؛ تقاضا برای GPU به طور مداوم در حال افزایش است؛ شرکت‌های مدل‌های بزرگ در نهایت سودآور خواهند شد؛ و شرکت‌های استارتاپ AI می‌توانند تقاضای کافی برای محصولات نهایی ایجاد کنند.

و همه اینها، به نظر Zitron، بر اساس پیش‌فرض رشد سریع OpenAI بنا شده است. او معتقد است که OpenAI نه تنها موج فعلی AI را تعریف کرده، بلکه منطق ارزیابی بازار سرمایه را برای کل زنجیره صنعت AI شکل داده است؛ بنابراین اگر این فرضیه اصلی شکسته شود، تأثیر آن ممکن است فراتر از یک شرکت تک شاخ باشد.

به عبارت دیگر، OpenAI دیگر تنها یک شرکت نیست، بلکه بیشتر شبیه به «سازمان مهم سیستم» در کل چرخه سرمایه‌گذاری AI است.

چرا او معتقد است که مدل تجاری OpenAI دارای نقص‌های بنیادی است؟

انتقادات Zitron عمدتاً بر سه جنبه متمرکز است.

اول، هزینه استنتاج (Inference) هنوز بسیار بالاست.

با افزایش مداوم تعداد کاربران ChatGPT، هر بار که کاربر سوالی می‌پرسد، به معنای افزایش مداوم هزینه‌های GPU، برق و سرور است. اگر تعداد زیادی از کاربران به مدت طولانی در بسته‌های ارزان قیمت یا حتی رایگان بمانند و درآمدهای شرکتی نتواند هزینه‌ها را پوشش دهد، آنگاه گسترش مقیاس ممکن است به معنای افزایش زیان باشد.

دوم، هزینه‌های سرمایه‌ای به مراتب سریع‌تر از بهبود جریان نقدی است.

در حال حاضر بزرگ‌ترین هزینه در صنعت AI دیگر آموزش مدل نیست، بلکه قدرت محاسباتی استنتاج، خرید GPU و ساخت مراکز داده جهانی است.

OpenAI و شرکای آن در حال پیشبرد سرمایه‌گذاری‌های چند صد میلیارد دلاری در مراکز داده هستند و این پروژه‌ها معمولاً سال‌ها طول می‌کشد تا هزینه‌ها را بازگردانند. اگر تقاضای AI در آینده به اندازه پیش‌بینی شده افزایش نیابد، ممکن است بسیاری از زیرساخت‌ها با مشکل کاهش بهره‌وری مواجه شوند.

سوم، وابستگی مداوم به تأمین مالی خارجی.

Zitron تحلیل می‌کند که او معتقد است OpenAI در سال‌های آینده همچنان به تأمین مالی مداوم نیاز خواهد داشت تا هزینه‌های تحقیق و توسعه مدل، خرید قدرت محاسباتی و ساخت زیرساخت‌ها را پوشش دهد؛ اگر ریسک‌پذیری بازار سرمایه کاهش یابد یا محیط تأمین مالی تنگ شود، مدل تجاری آن تحت فشار بیشتری قرار خواهد گرفت.

این نظرات در حال حاضر تنها قضاوت شخصی Zitron است و هنوز تأیید OpenAI را دریافت نکرده است، اما واقعاً بازتاب‌دهنده بحث‌های اخیر بازار در مورد بازده سرمایه‌گذاری (ROI) AI است.

چرا Oracle، CoreWeave و اپراتورهای مراکز داده به کانون توجه تبدیل شده‌اند؟

برخلاف خود OpenAI، Zitron بیشتر نگران اثرات اهرمی زنجیره تأمین است.

در دو سال گذشته، صنعت فناوری آمریکا شاهد یک موج بی‌سابقه از ساخت مراکز داده بوده است.

شرکت‌های بزرگ ابری مانند مایکروسافت، گوگل، متا و آمازون به طور مداوم هزینه‌های سرمایه‌ای خود را افزایش داده‌اند؛ در عین حال، شرکت‌هایی مانند Oracle و CoreWeave مسئولیت ساخت قدرت محاسباتی AI را به عهده گرفته‌اند.

این پروژه‌ها به شدت به: اجاره‌های بلندمدت، تأمین مالی پروژه، اعتبار خصوصی، بدهی شرکتی و هزینه‌های سرمایه‌ای کلان وابسته هستند.

اگر در آینده تقاضای مشتریان اصلی مانند OpenAI کمتر از حد انتظار باشد یا بازار سرمایه بازده AI را دوباره ارزیابی کند، آنگاه بهره‌وری دارایی‌های مراکز داده، قراردادهای اجاره و حتی توانایی تأمین مالی ممکن است تحت تأثیر قرار گیرد.

رسانه‌ها اشاره می‌کنند که Zitron معتقد است اگر OpenAI با شکست جدی مواجه شود، شرکت‌هایی مانند Oracle و CoreWeave که به رشد تقاضای زیرساخت‌های AI وابسته هستند، ممکن است در خط مقدم آسیب قرار بگیرند، زیرا ارزش‌گذاری بالای این شرکت‌ها تا حد زیادی بر اساس پیش‌بینی‌های ادامه انفجار تقاضای AI استوار بوده است.

البته، در حال حاضر شرکت‌های بزرگ فناوری مانند مایکروسافت، متا و Alphabet همچنان به گسترش هزینه‌های سرمایه‌ای AI ادامه می‌دهند و به طور کلی تأکید می‌کنند که سرمایه‌گذاری در زیرساخت‌های AI با استراتژی‌های بلندمدت آنها همخوانی دارد، بنابراین هنوز نشانه‌ای از کاهش کلی هزینه‌های سرمایه‌ای در بازار وجود ندارد.

چرا Anthropic و SoftBank نیز در بحث‌ها مطرح شده‌اند؟

علاوه بر OpenAI، Zitron همچنین به Anthropic اشاره کرده است.

دلیل او این است که هر دو شرکت با وجود اتخاذ مسیرهای توسعه متفاوت، ویژگی مشترکی دارند که نیاز به سرمایه‌گذاری مداوم برای ساخت مدل‌ها، خرید قدرت محاسباتی و وابستگی به شرکت‌های بزرگ فناوری برای تأمین منابع محاسباتی و تأمین مالی دارند. اگر سرعت تجاری‌سازی AI در آینده کمتر از حد انتظار باشد، هر دو شرکت ممکن است با فشارهای سودآوری مواجه شوند.

شرکت دیگری که به طور مکرر ذکر شده، SoftBank است.

در سال‌های اخیر، SoftBank دوباره به صحنه سرمایه‌گذاری بزرگ AI بازگشته و به طور فعال در تأمین مالی زیرساخت‌های AI، تراشه‌ها و شرکت‌های مدل مشارکت کرده است.

اگر صنعت AI در آینده وارد دوره‌ای از تعدیل ارزش‌گذاری شود، مجموعه بزرگ دارایی‌های AI SoftBank به طور طبیعی به موضوع توجه بازار تبدیل خواهد شد. با این حال، در حال حاضر SoftBank همچنان به توسعه بلندمدت AI اعتقاد دارد و آن را به عنوان یک جهت‌گیری مهم در انقلاب فناوری بعدی می‌بیند.

آیا معاملات AI به حد اشباع رسیده است؟

در واقع، بحث در مورد اینکه آیا AI وارد مرحله حباب شده است، در وال استریت بیش از یک سال ادامه دارد.

طرفداران «نظریه حباب» معتقدند:

• سرعت سرمایه‌گذاری در زیرساخت‌های AI به مراتب بیشتر از رشد درآمد است؛
• مدل‌های سودآوری بزرگ هنوز به طور کامل تأیید نشده‌اند؛
• هزینه‌های سرمایه‌ای مراکز داده رکورد تاریخی را شکسته است؛
• ارزش‌گذاری بازار به طور فزاینده‌ای به پیش‌بینی‌های رشد در سال‌های آینده وابسته است.

طرفداران خوش‌بین نیز معتقدند: AI یک انقلاب فناوری عمومی است که مشابه اینترنت و برق است، سرمایه‌گذاری‌های اولیه معمولاً بسیار بیشتر از بازده‌های کوتاه‌مدت است، اما در بلندمدت می‌تواند صنایع و مدل‌های تجاری جدیدی ایجاد کند.

Howard Marks اخیراً اظهار کرده است که او از شک و تردید اولیه خود نسبت به اینکه AI ممکن است تنها یک حباب باشد، به پذیرش بیشتر ارزش بلندمدت آن تغییر موضع داده است. او معتقد است که ویژگی‌های استنتاج، درک زمینه و توانایی تعامل که AI مدرن نشان می‌دهد، دارای ویژگی‌های بی‌سابقه‌ای است و بنابراین نمی‌توان آن را به سادگی با حباب‌های سفته‌بازی تاریخی مقایسه کرد.

برخی از تحقیقات دانشگاهی نیز نتایج میانه‌تری را ارائه داده‌اند: بازار AI در حال حاضر هم شامل پیشرفت‌های واقعی فناوری است و هم شامل مشکلات ارزش‌گذاری محلی و هزینه‌های سرمایه‌ای پیشرفته، بنابراین بیشتر به «انقلاب فناوری همراه با حباب‌های محلی» نزدیک است تا صرفاً سفته‌بازی.

چیزی که واقعاً باید به آن توجه کرد، این است که آیا OpenAI سقوط خواهد کرد یا نه

چه کسی با قضاوت Zitron موافق باشد یا نه، سوالاتی که او مطرح کرده‌اند به تدریج به کانون توجه سرمایه‌گذاران تبدیل شده است:

سرمایه‌گذاری‌های AI چه زمانی می‌تواند به جریان نقدی پایدار تبدیل شود؟

در سال گذشته، بازار سرمایه تقریباً به طور پیش‌فرض فرض کرده است که هر چه هزینه‌های سرمایه‌ای AI بیشتر باشد، بهتر است.

اما اخیراً، چه در مورد سهام تراشه، تولیدکنندگان سرور یا شرکت‌های ابری، سرمایه‌گذاران شروع به توجه به مجموعه دیگری از شاخص‌ها کرده‌اند: رشد درآمد شرکت‌های AI؛ نرخ پرداخت محصولات AI؛ سرعت کاهش هزینه‌های استنتاج؛ بهره‌وری مراکز داده؛ دوره بازگشت سرمایه‌گذاری AI.

اگر این شاخص‌ها بهبود یابند، آنگاه هزینه‌های سرمایه‌ای کلان فعلی ممکن است در نهایت به عنوان یک سرمایه‌گذاری پیشرو مشابه دوران اینترنت ثابت شود؛ اما اگر سرعت تجاری‌سازی به طور مداوم از گسترش سرمایه‌گذاری عقب بماند، منطق ارزش‌گذاری بازار برای معاملات AI ممکن است با چالش مواجه شود.

بنابراین، مقاله طولانی Ed Zitron واقعاً بحثی را آغاز کرده است که نه «آیا OpenAI حتماً به لیمن برادرز بعدی تبدیل خواهد شد»، بلکه این است که دوباره مهم‌ترین سوالات عصر AI را در برابر سرمایه‌گذاران قرار داده است: آیا پس از ثبت رکوردهای جدید در هزینه‌های سرمایه‌ای، جریان نقدی و سودآوری می‌تواند همگام شود؟ پاسخ این سوال، شاید تعیین‌کننده مسیر واقعی معاملات AI جهانی در سال‌های آینده باشد.